检索结果-维普期刊中文期刊服务平台

一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究被引量：3: 1; 作者黄凯田海建丁恒《电源学报》 CSCD 北大核心 2024年第1期83-93,共11页; 锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)... 展开更多; 关键词锂离子电池等效电路模型模型参数辨识改进的缎蓝园丁鸟优化算法; 在线阅读下载PDF 职称材料

基于计算智能的输电网优化规划模型: 2; 作者严昭《兵工自动化》北大核心 2025年第9期13-17,35,共6页; 针对电力系统的运行场景趋于多样化和复杂化特点,考虑传统输电网规划时忽略不确定性引起的输电阻塞场景问题,提出一种考虑输电阻塞的网络规划模型。基于多约束模型确定不同传输场景下的发电机有功功率和用户负荷;基于经济调度模型建立... 展开更多; 关键词输电网络输电阻塞规划模型缎蓝园丁鸟优化算法经济调度模型; 在线阅读下载PDF 职称材料

基于SBO-LSTM的大坝变形预测模型被引量：4: 3; 作者何裕坤晁阳 +1 位作者李同春杰德尔别克·马迪尼叶提《水利水电技术（中英文）》北大核心 2024年第S01期78-86,共9页; 变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算... 展开更多; 关键词大坝变形预测长短期记忆神经网络缎蓝园丁鸟优化算法强化寻优策略; 在线阅读下载PDF 职称材料

基于CNN的高层住宅建筑群热负荷混合预测模型被引量：8: 4; 作者赵安军席江涛 +2 位作者荆竞高之坤米璐《控制工程》 CSCD 北大核心 2023年第4期662-672,共11页; 针对传统热负荷预测面向单栋住宅,预测负荷无法满足小区级换热站及热网优化调控需求的问题,提出一种基于卷积神经网络(CNN)的高层住宅建筑群热负荷混合预测模型。首先,引入建筑体形参数,利用LASSO模型对热负荷影响因素进行筛选;然后,采... 展开更多; 关键词热负荷预测区域供暖缎蓝园丁鸟优化算法卷积神经网络变量选择; 在线阅读下载PDF 职称材料

非均匀变异的互利自适应缎蓝园丁鸟优化算法被引量：11: 5; 作者王依柔张达敏樊英《计算机工程与科学》 CSCD 北大核心 2020年第12期2233-2241,共9页; 针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法。首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算... 展开更多; 关键词非均匀变异互利因子惯性权重函数优化缎蓝园丁鸟优化算法; 在线阅读下载PDF 职称材料

题名一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究被引量：3: 1; 作者黄凯田海建丁恒; 机构省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 河北省电磁场与电器可靠性重点实验室(河北工业大学); 出处《电源学报》 CSCD 北大核心 2024年第1期83-93,共11页; 基金河北省重点自然科学基金资助项目(E2017202284) 天津市自然科学基金重点资助项目(19JCZDJC32100) 河北省自然科学基金资助项目(E2019202328)。; 文摘锂离子电池等效电路模型的参数辨识方法对模型精度有较大的影响。针对缎蓝园丁鸟优化SBO(satin bowerbird optimization)算法收敛精度低和收敛速度慢的问题,提出一种改进的缎蓝园丁鸟优化ISBO(improved satin bowerbird optimization)算法。采用惯性权重、柯西变异、高斯变异和贪婪选择策略来提高ISBO算法的收敛精度,并利用标准测试函数对其收敛性能进行验证。结合电池充放电数据,将提出的ISBO算法用于锂离子电池等效电路模型的参数辨识。实验结果表明,与SBO和自适应权重粒子群优化算法相比,ISBO算法参数辨识精度较高且辨识精度不受电池工况的影响。; 关键词锂离子电池等效电路模型模型参数辨识改进的缎蓝园丁鸟优化算法; Keywords Lithium-ion battery equivalent circuit model model parameter identification improved satin bowerbird optimization(isbo)algorithm; 分类号 TM912 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于计算智能的输电网优化规划模型: 2; 作者严昭; 机构贵州电网有限责任公司客户服务中心; 出处《兵工自动化》北大核心 2025年第9期13-17,35,共6页; 文摘针对电力系统的运行场景趋于多样化和复杂化特点,考虑传统输电网规划时忽略不确定性引起的输电阻塞场景问题,提出一种考虑输电阻塞的网络规划模型。基于多约束模型确定不同传输场景下的发电机有功功率和用户负荷;基于经济调度模型建立考虑阻塞场景的输电网规划约束模型;基于改进的多约束缎蓝园丁鸟优化算法(multi-constraints satin-bowerbird optimizer,MCSBO)求解多约束条件输电网规划模型。以某市简化的6节点电力网络为例,对所提规划方法的有效性进行验证。结果表明:经过规划后,不同场景阻塞程度明显得到改善,规划前输电平均阻塞程度为0.49,规划后降低为0.09,约提高4.4倍。; 关键词输电网络输电阻塞规划模型缎蓝园丁鸟优化算法经济调度模型; Keywords transmission network transmission congestion programming model satin blue bowerbird optimization algorithm economic dispatch model; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于SBO-LSTM的大坝变形预测模型被引量：4: 3; 作者何裕坤晁阳李同春杰德尔别克·马迪尼叶提; 机构河海大学水利水电学院水安全与水科学协同创新平台新疆农业大学水利与土木工程学院; 出处《水利水电技术（中英文）》北大核心 2024年第S01期78-86,共9页; 基金国家重点研发计划项目(2022YFC3005403) 国家自然科学基金项目(52309151) +1 种基金江苏省卓越博士后计划(2022ZB191); 文摘变形是大坝安全性态的综合反映,建立其与环境量的可靠关系模型对保障大坝长效服役具有重要意义。为提高大坝变形预测的精度和泛化能力,并解决长短期记忆神经网络(LSTM)参数选取随机性大、选取困难的问题,提出了一种利用缎蓝园丁鸟优化算法(SBO)来优化长短期记忆神经网络的混凝土坝变形预测模型(SBO-LSTM)。该方法首先通过高斯滤波和Symlet小波滤值两种方法对选定的监测数据进行统一的清洗、归一化、去噪等预处理;其次,借助SBO算法对长短期记忆神经网络模型的超参数进行寻优;最后对混凝土坝变形进行高精度预测并通过三种不同评价指标(MAE,RMSE,MAPE)对预测结果进行评价。以某混凝土坝为例并与传统优化算法对比分析,结果表明通过SBO算法优化后LSTM神经网络具有更高的预测精度和稳定性,综上,该预测模型为大坝变形监测数据分析与预测提供了一种新的可行方法。; 关键词大坝变形预测长短期记忆神经网络缎蓝园丁鸟优化算法强化寻优策略; Keywords dam deformation prediction long short-term memory neural network satin blue bowerbird optimization algorithm strengthen the optimization strategy; 分类号 TV213.4 [水利工程—水文学及水资源]; 在线阅读下载PDF 职称材料

题名基于CNN的高层住宅建筑群热负荷混合预测模型被引量：8: 4; 作者赵安军席江涛荆竞高之坤米璐; 机构西安建筑科技大学建筑设备科学与工程学院西安建筑科技大学信息与控制工程学院中国建筑西北设计研究院有限公司; 出处《控制工程》 CSCD 北大核心 2023年第4期662-672,共11页; 基金国家重点研发计划资助项目(2017YFC0704100) 安徽建筑大学智能建筑与建筑节能安徽省重点实验室开放课题资助项目(Z20190383)。; 文摘针对传统热负荷预测面向单栋住宅,预测负荷无法满足小区级换热站及热网优化调控需求的问题,提出一种基于卷积神经网络(CNN)的高层住宅建筑群热负荷混合预测模型。首先,引入建筑体形参数,利用LASSO模型对热负荷影响因素进行筛选;然后,采用缎蓝园丁鸟优化(SBO)算法优化CNN;最后,利用西安市10个住宅小区的相关运行数据对所提模型进行训练和测试。实验结果表明,输入参数引入建筑体形参数后,模型预测精度更高;经SBO算法优化后的CNN模型较传统CNN模型具有更好的拟合优度、预测精度和泛化能力,满足工程实际需求。; 关键词热负荷预测区域供暖缎蓝园丁鸟优化算法卷积神经网络变量选择; Keywords Heat load prediction district heating satin bowerbird optimization algorithm convolutional neural network variable selection; 分类号 TU832 [建筑科学—供热、供燃气、通风及空调工程]; 在线阅读下载PDF 职称材料

题名非均匀变异的互利自适应缎蓝园丁鸟优化算法被引量：11: 5; 作者王依柔张达敏樊英; 机构贵州大学大数据与信息工程学院; 出处《计算机工程与科学》 CSCD 北大核心 2020年第12期2233-2241,共9页; 基金贵州省科学技术基金项目(黔科合基础[2020]1Y254)。; 文摘针对缎蓝园丁鸟优化(SBO)算法求解精度不高和收敛速度慢等问题,提出一种改进的缎蓝园丁鸟优化(ISBO)算法。首先,引入非均匀变异算子,动态地调整每次迭代园丁鸟个体的搜索步长,使算法能快速高效地寻求全局最优值;其次,采用互利因子对算法的社会部分引入更多组合模式,使其不再单一围绕前一个园丁鸟附近搜索,以获取更好的最优解;最后,为了更好地平衡算法的局部与全局搜索能力,引入余弦变化的惯性权重因子来更新园丁鸟的位置公式。使用收敛速度分析、Wilcoxon检验和8个基准函数对5种算法搜索性能进行对比分析,来评估改进缎蓝园丁鸟优化算法的效率。结果表明,改进算法具有更好的全局搜索能力和求解鲁棒性,同时寻优精度和收敛速度也比原来算法有所增强。; 关键词非均匀变异互利因子惯性权重函数优化缎蓝园丁鸟优化算法; Keywords non-uniform mutation mutually beneficial factor inertia weight function optimization satin bowerbird optimization algorithm; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	一种基于ISBO算法的锂离子电池等效电路模型辨识方法研究	黄凯田海建丁恒	《电源学报》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
2	基于计算智能的输电网优化规划模型	严昭	《兵工自动化》北大核心	2025	0	在线阅读下载PDF 职称材料
3	基于SBO-LSTM的大坝变形预测模型	何裕坤晁阳李同春杰德尔别克·马迪尼叶提	《水利水电技术（中英文）》北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于CNN的高层住宅建筑群热负荷混合预测模型	赵安军席江涛荆竞高之坤米璐	《控制工程》 CSCD 北大核心	2023	8	在线阅读下载PDF 职称材料
5	非均匀变异的互利自适应缎蓝园丁鸟优化算法	王依柔张达敏樊英	《计算机工程与科学》 CSCD 北大核心	2020	11	在线阅读下载PDF 职称材料